Columna

Tipo

Descripción

Unidad

razon_social

String

Razón social de la empresa inscripta, tal como la publica la fuente. Puede venir recortada por límite de render del PDF de origen (verificado 1/1.028 filas, ver gotcha) -- se preserva verbatim sin completar.

—

cuit

String

CUIT de la empresa (11 dígitos sin separadores, IRAM 5160). Único dentro de cada snapshot -- 0 duplicados verificado sobre las 1.028 filas fuente.

—

registro_rlm

String

Número de registro del trámite de inscripción (formato RL-{año}-{expediente}-APN-{organismo}). El año de inscripción se deriva de acá -- ver columna anio_inscripcion.

—

anio_inscripcion

Int64

Año de inscripción al régimen, derivado del registro_rlm (RL-{año}-...). Única fuente de fecha -- la fuente no trae una columna de fecha separada. NULL cuando registro_rlm='Sin información' (verificado en ediciones anteriores del padrón, ver gotcha).

—

provincia_nombre

String

Nombre de provincia tal como lo publica la fuente. Tiene variantes inconsistentes para la MISMA provincia (ver gotcha) -- usar `provincia` (ISO) para filtrar.

—

provincia

String

Provincia en código ISO 3166-2:AR, derivada y normalizada de provincia_nombre (colapsa variantes CABA/Córdoba/Tucumán/Neuquén/Entre Ríos con y sin tilde).

—

localidad_nombre

String

Localidad de la empresa, texto libre de la fuente. NULL en 1/1.028 filas (la fuente la deja vacía).

—

departamento_nombre

String

Departamento/partido/comuna de la empresa, texto libre de la fuente. NULL en 1/1.028 filas (la fuente la deja vacía).

—

actividad

String

Actividad promovida por la Ley 27.506 art. 2. Enum cerrado de 10 valores (CHECK constraint): Software y servicios informáticos y digitales, Producción y postproducción audiovisual, Biotecnología, Servicios de Investigación y Desarrollo, Servicios geológicos y electrónica, Servicios Profesionales de Exportación, Industria aeroespacial y satelital, Nanotecnología y nanociencia, Ingeniería para la industria nuclear, Industria 4.0.

—

tamano

String

Tamaño de empresa declarado (último dato). Enum cerrado de 4 valores (CHECK constraint): Micro, Pequeña, Mediana, Grande.

—

padron_actualizado_al

Date

Fecha de corte OFICIAL del padrón, declarada por la fuente ('Actualizado al DD/MM/YYYY'). Igual para todas las filas de un mismo snapshot -- distinta de snapshot_date (fecha del scrape).

ISO 8601 YYYY-MM-DD

snapshot_date

Date

Fecha del scrape (AR-universal). El dataset es un snapshot completo no-incremental -- todas las filas comparten el mismo snapshot_date en cada corrida.

ISO 8601 YYYY-MM-DD

Pueden invalidar un análisis ingenuo. Documentadas como parte del control de calidad.

La fuente NO tiene URL de descarga estable

El archivo vive en argentina.gob.ar/sites/default/files/ con nomenclatura Drupal de re-subida (sufijo _N incrementado por año) y no está enlazado desde ninguna página pública rastreable. El scraper prueba candidatos de nombre de archivo en cada corrida (on-demand) -- si el patrón de nombre cambia radicalmente, el fetch fallará explícitamente (no silencioso) y hay que re-descubrir la URL a mano.

provincia_nombre tiene variantes inconsistentes para la MISMA provincia

CABA como "Ciudad Autónoma de Buenos Aires" o "Ciudad de Buenos Aires"; Córdoba/Tucumán/Neuquén/Entre Ríos con y sin tilde. Filtrar SIEMPRE por provincia (ISO 3166-2:AR, ya normalizada), no por provincia_nombre con = exacto.

anio_inscripcion se deriva del registro_rlm, no hay columna de fecha nativa

La fuente no publica una fecha de inscripción explícita por fila -- se extrae del año embebido en registro_rlm (RL-{año}-...). Es confiable (formato 100% consistente en las 1.028 filas) pero es un dato DERIVADO, no verbatim de una columna de fecha.

Estar en el padrón no implica haber recibido un subsidio puntual

No confundir con produccion.subsidios.economia-conocimiento (Programa Producción Colaborativa, 61 filas). Este dataset es la inscripción al régimen (elegibilidad para beneficios fiscales generales: estabilidad fiscal, reducción de contribuciones patronales, bono de crédito fiscal), no un desembolso puntual.

razon_social puede venir RECORTADA por la fuente (clipping de PDF, no del parser)

Verificado: CUIT 30573140644 ("INGENIERIA ELECTRONICA ARGENTINA SOCIEDAD DE RESPONSABILIDAD LIMIT...") le falta el "ADA" final de "LIMITADA". Se confirmó a nivel de texto crudo del PDF que la cadena "ADA" no existe en ningún lugar del documento -- es un límite de ancho de celda/render del generador de PDF de la fuente, no una pérdida del parser (que preserva el valor VERBATIM sin completar ni corregir). Único caso verificado en las 1.028 filas al 2026-04-07. Si un cliente ve un nombre de empresa que "corta raro", es la fuente, no un bug de Almanac.

Piso de plausibilidad de filas (hardening del parser)

La fuente no tiene URL estable (ver gotcha de arriba) -- un candidato de fetch equivocado o un PDF truncado/malformado podría parsear "sin errores" pero con muchas menos filas de las reales. El parser aborta si el resultado da menos de 500 filas (el padrón conocido tiene 1.028) o si el texto de la página 1 no contiene el título esperado del padrón. Si la carga aborta por esto, revisar manualmente en argentina.gob.ar antes de reintentar.

Guarda de CUIT persona física (postura PII)

El dataset es 100% persona jurídica verificado (935 CUIT prefijo '30'

93 prefijo '33' sobre las 1.028 filas) -- por eso NO lleva content_advisory de Ley 25.326 arts. 14-16. El scraper aborta ruidosamente si una actualización futura trajera un CUIT con prefijo de persona física (20/23/24/27), en vez de cargarlo en silencio: haría falta decidir si corresponde agregar el aviso ARCO antes de publicar esa versión.

anio_inscripcion puede ser NULL (registro_rlm='Sin información')

Verificado corriendo el fetch() real contra prod (2026-07-20): la edición "13/01/2026" del padrón (ya no vigente) trae al menos 1 fila con registro_rlm = 'Sin información' en vez de un RLM real (ITLGLABS S.A.S., CUIT 30716668696). La edición vigente (1.028 filas) no tiene ningún caso así, pero la fuente demostrablemente publica este patrón -- anio_inscripcion es NULLABLE (migration 0574) para esos casos; la fila se preserva completa (razón social, CUIT, registro_rlm verbatim, provincia, actividad, tamaño), solo el año de inscripción queda desconocido.

Ediciones viejas del padrón pueden tener otra estructura de tabla

Verificado: _2025.pdf (edición "20/03/2025", ya no vigente) tiene 6 columnas en vez de 8 (sin Localidad/Departamento separados). El parser detecta esto por el largo de fila y aborta con ValueError claro -- el fetch() (que prueba varios candidatos de URL porque la fuente no tiene URL estable) saltea ese candidato con gracia y sigue con el resto, en vez de que la corrida entera se caiga.

Economía del Conocimiento — Padrón de Beneficiarios

Qué incluye